Реактивные и проактивные агенты: где проходит граница

Когда OpenAI в начале 2025 года показала Operator, а Anthropic — режим Computer Use для Claude, спор о том, что считать «настоящим» AI-агентом, перестал быть академическим. На одном полюсе — чат-бот, который отвечает ровно на ваш вопрос и молчит до следующего. На другом — система, которая сама открывает браузер, кликает по кнопкам и совершает покупку, пока вы пьёте кофе. Между ними лежит граница между реактивной и проактивной архитектурой, и от того, по какую сторону этой границы стоит ваш продукт, зависят цена ошибки, счёт за токены и уровень доверия, который вы можете себе позволить.

Что стоит за этими словами

Термины пришли из классической теории агентов, задолго до трансформеров. Реактивный агент действует по схеме «стимул — реакция»: получил вход, выдал выход, завершил цикл. Он не хранит цель между запросами и ничего не инициирует сам. Проактивный агент держит в голове цель, планирует шаги к ней и запускает действия по собственному расписанию или по наступлению события, а не только в ответ на прямую команду.

Разница не в том, «умный» агент или «глупый». Reflex-агент, который переспрашивает лид в CRM через три дня после первого контакта, проактивен, хотя внутри у него может не быть ни одной нейросети. А мощная LLM, которая гениально отвечает на промпт и тут же забывает о нём, остаётся реактивной.

Реактивность — это про качество одного ответа. Проактивность — про то, кто держит инициативу в диалоге между человеком и системой. Это два независимых измерения, и путать их дорого.

Реактивный агент: предсказуемый и дешёвый

Классический пример — ассистент в интерфейсе чата. Вы спрашиваете — он отвечает. Ключевое свойство: пока вы не нажали Enter, не тратится ни один токен и ничего не происходит. Такой агент легко тестировать: один вход даёт воспроизводимый выход, поведение можно покрыть тестами, а стоимость обращения известна заранее.

Ограничение тоже очевидно. Реактивный агент не напомнит о дедлайне, не заметит, что счёт не оплачен, и не доведёт до конца многошаговую задачу, если вы не будете подталкивать его на каждом шаге. Он инструмент, а не сотрудник.

Проактивный агент: инициатива и её цена

Проактивный агент получает цель («забронируй переговорку на завтра, если освободится») и сам решает, когда и что проверять. Он может работать в фоне, реагировать на внешние триггеры — новое письмо, изменение цены, истёкший срок — и совершать действия без подтверждения на каждом шаге.

За это приходится платить тремя вещами. Первое — деньги: фоновый агент, который каждые пять минут опрашивает API и прогоняет контекст через модель, сжигает токены даже когда делать нечего. Второе — контроль: чем больше действий агент совершает сам, тем выше цена его ошибки, а ошибку он совершит рано или поздно. Третье — доверие: пользователь должен разрешить системе действовать от его имени, и один необоснованный клик «купить» подрывает это доверие надолго.

Сравнение по ключевым осям

Гибрид — то, что чаще всего строят на практике

В реальных продуктах чистые типы почти не встречаются. Тот же OpenAI Operator запускается по вашей команде (реактивная точка входа), но дальше действует автономно, планируя клики по сайту (проактивная фаза). Многие «агентные» фреймворки строятся так: пользователь задаёт цель, агент проактивно её декомпозирует, но на действиях с необратимыми последствиями — оплата, отправка письма, удаление данных — возвращается в реактивный режим и запрашивает подтверждение.

Это паттерн human-in-the-loop^*, и он же — самый практичный компромисс между удобством и безопасностью на 2025 год.

Как выбрать архитектуру под задачу

1. Оцените обратимость действий. Если агент может что-то сломать необратимо (перевести деньги, разослать письма клиентам), проактивность без подтверждения опасна.
2. Посчитайте стоимость простоя. Фоновый агент, который 99% времени не находит работы, часто дешевле заменить на webhook-триггер, чем на постоянный опрос.
3. Определите, кому нужна инициатива. Если ценность продукта в том, чтобы напоминать и опережать, реактивной схемы не хватит.
4. Заложите точки контроля. Даже у проактивного агента должны быть чекпоинты, где человек может вмешаться до, а не после действия.
5. Начните с реактивного. Проще добавить инициативу к работающему реактивному ядру, чем отлаживать автономное поведение с нуля.

Где кончается терпение пользователя

Главный риск проактивных систем не технический, а поведенческий. Агент, который слишком часто напоминает, слишком рано действует или тратит бюджет на фоновые проверки, которых его не просили, раздражает быстрее, чем приносит пользу. Реактивный агент этой проблемы лишён по определению: он молчит, пока к нему не обратились.

Поэтому вопрос «реактивный или проактивный» на деле сводится к другому: сколько инициативы пользователь готов делегировать и в какой момент он захочет её отозвать. Ответ на него определяет архитектуру гораздо жёстче, чем выбор модели или фреймворка.

^* Human-in-the-loop — схема, при которой автоматизированная система на определённых шагах останавливается и ждёт решения человека, прежде чем продолжить.